डीप फ़ीचर एक्सट्रैक्शन और एन्सेम्बल लर्निंग का उपयोग करके मशीन लर्निंग-आधारित फेफड़े और कोलन कैंसर पहचान

कैंसर एक घातक रोग है जो आनुवंशिक रोगों और विभिन्न जैव रासायनिक असामान्यताओं के संयोजन के कारण होता है। फेफड़े और कोलन कैंसर मानवों में मृत्यु और विकलांगता के प्रमुख कारणों में से दो के रूप में उभरे हैं। ऐसे घातक ट्यूमर की हिस्टोपैथोलॉजिकल पहचान आमतौर पर सर्वोत्तम कार्रवाई के पाठ्यक्रम निर्धारित करने में सबसे महत्वपूर्ण घटक होती है। रोग की जल्दी पहचान किसी भी दिशा में मृत्यु दर की संभावना को काफी कम कर देती है। मशीन लर्निंग और डीप लर्निंग तकनीकों का उपयोग ऐसे कैंसर पहचान को तेज करने के लिए किया जा सकता है, जो शोधकर्ताओं को बहुत कम समय और कम लागत में एक बड़ी संख्या में रोगियों का अध्ययन करने की अनुमति देती है। इस शोध कार्य में, हमने फेफड़े और कोलन कैंसर को कुशलतापूर्वक पहचानने के लिए एक हाइब्रिड एन्सेम्बल फ़ीचर एक्सट्रैक्शन मॉडल पेश किया। यह कैंसर इमेज डेटा सेट के लिए उच्च प्रदर्शन फ़िल्टरिंग के साथ गहरे फ़ीचर एक्सट्रैक्शन और एन्सेम्बल लर्निंग को एकीकृत करता है। मॉडल को हिस्टोपैथोलॉजिकल (LC25000) फेफड़े और कोलन डेटा सेट पर मूल्यांकित किया गया। अध्ययन के निष्कर्षों के अनुसार, हमारा हाइब्रिड मॉडल फेफड़े, कोलन, और (फेफड़े और कोलन) कैंसर का 99.05%, 100%, और 99.30% की सटीकता दरों के साथ पहचान कर सकता है। अध्ययन के निष्कर्ष दिखाते हैं कि हमारी प्रस्तावित रणनीति मौजूदा मॉडलों की तुलना में महत्वपूर्ण रूप से बेहतर है। इसलिए, ये मॉडल क्लीनिकों में डॉक्टर को कैंसर की पहचान में सहायता करने के लिए लागू किए जा सकते हैं।